1702627400
如果无论如何都不能提升品牌好感度的话，那就只能接受现状。如果为了提升好感度、增加销量，而投入大量成本导致公司财政出现赤字，这是得不偿失的。
1702627401
1702627402
遗憾的是对于这些关键性的问题，图3–1根本无法给出任何解释。
1702627403
1702627404
还有一种情况，假设你的公司从数据库中抽取了“庞大”的顾客数据，统计出如图3–2那样的表格。
1702627405
1702627406
虽然这个表格直接显示出了销售额，这还有点作用，但遗憾的是我们没有改变顾客性别，或者改变顾客年龄的魔法。
1702627407
1702627408
我们能做的只有将价格比较高的商品针对特定性别、年龄的顾客群体举办促销活动。
1702627409
1702627410
顾客的性别、年龄与平均销售额（月销售额）
1702627411
1702627412
1702627413
1702627414
1702627415
图3–2 使用大数据的表格内容空洞
1702627416
1702627417
问题2 是否能够做出这种改变？
1702627418
1702627419
问题3 如果能够做出这种改变，那么带来的利益是否大于所消耗的成本？
1702627420
1702627421
即便如此，这仍然是一个无法回答上述两个问题的“空洞”信息。
1702627422
1702627423
如果你要做的分析，或者你委托别人做的分析，无法回答前面提到的这3个问题，那么在讨论分析结果的准确度之前，应该考虑的是这个分析究竟有没有用。恐怕等到实际拿到分析结果之后，其价值也只有让人“了解到一些数据”而已。
1702627424
1702627425
我在工作中所遇到的商务人士，经常对我说“数据分析的结果对商业判断没什么帮助”。如果他们所说的是类似于“什么问题都无法回答的单纯统计结果对商业判断没什么帮助”的话，那我绝对举双手赞成。而实际上，只不过是因为他们碰到的人“只能提供这些对商业判断没什么帮助的数据分析”罢了。
1702627426
1702627427
古典统计学的时代早就结束了
1702627428
1702627429
计算百分比的古典统计学，在19世纪初就已经被世界各国所应用。比如非常著名的护士南丁格尔所做的最大贡献之一，就是对战争中士兵的死因进行统计分析。分析的结果显示，受伤后因为救治不及时导致细菌感染死亡的士兵数量远远超出因为战斗受伤直接导致死亡的士兵数量。
1702627430
1702627431
南丁格尔以统计结果为依据，向军方领导以及政治家施压，“如果不想因为战争让更多士兵和人民失去生命，就必须保证在战场上配备干净整洁的医院”。也许这就是“统计”的力量之一。
1702627432
1702627433
但是，统计学从南丁格尔的时代到现在已经飞速发展了100多年。南丁格尔的统计结果，虽然大致上能够证明死亡原因，可是对于配备干净整洁的医院后是否能够减少战死者的数量，以及配备医院花费的成本能够拯救多少生命等问题，却与之前提到的那两个例子一样，无法做出回答。
1702627434
1702627435
要想回答这些问题，就必须使用20世纪先进的现代统计学方法。
1702627436
1702627437
利用大数据技术将所有的数据进行单纯统计，只不过是将最新技术应用在两个世纪前的方法而已。这种行为无异于拿最新型的智能手机当作锤子砸核桃。
1702627438
1702627439
看穿一切数字的统计学 [:1702626737]
1702627440
09 单纯收集数据会得出“禁食米饭”的荒谬结论
1702627441
1702627442
1702627443
1702627444
促销活动中漏洞百出的图表
1702627445
1702627446
上一节中提到，对于统计分析中的3个问题，即
1702627447
1702627448
问题1 做出何种改变能够增加利益？
1702627449